NVIDIA ने अपने Magpie Multilingual TTS मॉडल में एक अपडेट जारी किया है, जिसमें आधुनिक मानक अरबी, कोरियाई और ब्राज़ीलियन पुर्तगाली के जुड़ने के साथ दस भाषाओं का समर्थन बढ़ाकर बारह कर दिया गया है। इस रिलीज में अपडेटेड ट्रेनिंग डेटा और आर्किटेक्चरल बदलावों के माध्यम से मौजूदा भाषाओं में गुणवत्ता में भी सुधार शामिल है।
- 364M-पैरामीटर वाला ओपन-वेइट्स मॉडल अब अंग्रेजी, स्पेनिश, फ्रेंच, जर्मन, इतालवी, वियतनामी, मंडारिन, हिंदी, जापानी और तीन नई भाषाओं का समर्थन करता है।
- IPA ग्राफेम-टू-फोनिम प्रोसेसिंग और कस्टम उच्चारण शब्दकोशों के माध्यम से हिंदी और जापानी के लिए विस्तारित कोड-स्विचिंग समर्थन सक्षम है।
- फ्रेम स्टैकिंग और एक लोकल ट्रान्सफॉर्मर बोलने की गुणवत्ता बनाए रखते हुए इनफरेंस समय को कम करते हैं।
- मॉडल B200 GPUs पर 32ms का Time to First Audio (TTFA) प्राप्त करता है, जिससे ASR और LLM प्रोसेसिंग के लिए लेटेंसी बजट बचता है।
- ऑब्जेक्टिव मेट्रिक्स में पिछली रिलीज की तुलना में कम कैरेक्टर एरर रेट और उच्च स्पीकर समानता दिखाई गई है।
इस अपडेट से डेवलपर्स को अपनी खुद की इंफ्रास्ट्रक्चर के भीतर मल्टीलिंगुअल स्पीच सिंथेसिस तैनात करने की अनुमति मिलती है, जो कम लेटेंसी, डेटा रेजिडेंसी और डोमेन-विशिष्ट कस्टमाइजेशन के लिए अनुकूलित है।